Sjukförsäkring. Kapitel Introduktion

Transkript

1 Kapitel 7 Sjukförsäkring Hittills har vi mest koncentrerat oss på försäkringar med sparande som ett huvudsakligt inslag. Som ett specialfall omfattar ovan genom-gången teori också dödsfallsförsäkring tecknad med riskpremie. Vi skall i detta kapitel introducera sjukförsäkring som är ett naturligt tillägg på den svenska livförsäkringsmarknaden till nämnda produkter. 7.1 Introduktion Sjukförsäkring har en lång historia i Sverige och vi skall i det här kapitlet ge en inblick i hur sjukförsäkring är modellerad på den svenska försäkringsmarknaden. En större utredning av sjukförsäkring inom svensk försäkring genomfördes i regi av FTN, se [?]. Delar av beskrivningen i detta kapitel är hämtat från den utredningen. Stor del i det arbetet hade Bengt von Bahr, speciellt teorin, och Christian Salmeron i resultatet. För att beskriva sjukförsäkring behöver vi införa en del begrepp. det viktigaste begreppet är kanske invaliditet och menar därmed en nedsättning av arbetsförmågan, så kallad arbetsoförmåga. Arbetsoför- 1

2 2 Sjukförsäkring mågan kan vara såväl partiell som hel. Hel arbetsoförmåga uttrycks normalt som 100 % arbetsoförmåga och partiell arbetsoförmåga som exempelvis 25 % eller 50 % arbetsoförmåga. Sjukförsäkring kan förekomma i olika former, de vanligaste är de som kallas för sjukförsäkring (som betalas ut som en pension) respektive premiebefrielseförsäkring. Sjukförsäkring säljs ofta i kombination med ett sparande, till exempel ålderspension. Premiebefrielseförsäkring säljs alltid som en tilläggsprodukt till en sparandeprodukt. Den syftar till att säkerställa premiebetalningarna för ålderspensionen i händelse av att den försäkrade individen blir sjuk. Vi skall i detta kapitel dels formulera en praktisk modell för att bättre förstå sjukförsäkring. Vi skall använda oss av semimarkovteori för att kunna studera sjukförsäkring på ett praktiskt sätt. Vidare kommer vi att diskutera hur sjukförsäkring har hanterats på den svenska marknaden under den senare delen av 1900-talet för att slutligen peka på en del av de problem som föreligger på dagens försäkringsmarknad vad avser svensk sjukförsäkring. 7.2 Modell för sjukförsäkring Låt oss först titta på hur en naturlig modell för en enkel livförsäkring kan se ut. Vi illustrerar det enklast med en gur, se Diagram 7.1. Möjliga tillstånd för en vanlig livförsäkring brukar, som man också kan se i guren, beskrivas av Ω = {Frisk, Död}. Övergångsintensiteten från tillstånd Frisk till tillståndet Död ges av µ. µ Frisk Död Diagram 7.1: Tillstånden i en livförsäkring.

3 Sjukförsäkring 3 När vi nu övergår till att studera sjukförsäkring kan vi notera att den enklaste formen fås genom att man till tillstånden i en livförsäkring lägger till möjligheten för individen att vara Sjuk. Möjliga tillstånd för försäkringen ges då av Ω = {Frisk, Sjuk, Död}. Innan vi börjar analysera försäkringen beskriven i Diagram 7.2 skall vi konstatera att detta bara är en möjlig beskrivning av en sjukförsäkring. Man kan till exempel tänka sig att man skiljer på olika sjukdomstillstånd. Det är då möjligt att man från tillståndet Frisk kan gå till olika tillstånd Sjuk, exempelvis Sjuk 1 och Sjuk 2. Övergångar mellan tillstånden Sjuk 1 och Sjuk 2 kan tillåtas. Även andra övergångar från tillstånden Sjuk 1 och Sjuk 2 kan tillåtas. Vidare modeller med mer komplexa versioner av sjukförsäkringar nns att studera i [?]. Låt oss nu gå tillbaka till den enkla modellen av sjukförsäkring med ett möjligt tillstånd för Sjuk. Övergången mellan tillstånden sker enligt vissa givna intensiteter som anges i Diagram 7.2. Notera att övergångar mellan alla tillstånd inte är möjliga. ν Frisk Sjuk λ µ F µ S Död Diagram 7.2: Tillstånden i en sjukförsäkring. När försäkringen tecknas benner sig individen i tillstånd Frisk, åtminstone är det ett normalt krav från försäkringsgivaren. Huruvida det är uppfyllt hanteras på särskilt sätt som vi inte diskuterar här. Övergångar mellan tillstånden Frisk och Sjuk kan ske upprepade gånger. Tillståndet Död däremot är ett absorberande tillstånd.

4 4 Sjukförsäkring 7.3 Vald modell i sjukförsäkring Markovegenskapen i sjukförsäkring Med hjälp av ett utfallsrum och ett sannolikhetsmått, (Ω, P ), samt ett ändligt tillståndsrum E = {F risk, Sjuk, Död} = {F, S, D} denierar vi en stokastisk process {ξ(τ); τ R + }. Tillståndsrummet E är ändligt och övergångarna mellan tillstånden sker kontinuerligt i tiden. Den stokastiska processen ξ(τ) anger det tillstånd individen benner sig i vid tidpunkten τ. Observera att eftersom vi förutsätter att individen är frisk vid tecknandet av försäkringen har vi, för individ i, att ξ i (0) = F. Notera vidare att övergångar mellan alla tillstånd inte är möjliga. Markovegenskapen innebär att framtiden inte är beroende av historien utan enbart av nuet. Den kan skrivas som P (ξ(t + s) = j ξ(u); u t) = P (ξ(t + s) = j ξ(t)), j E, s, t, u > 0. (7.3.1) I de situationer där Markovegenskapen inte är fullt uppfylld brukar man ibland prata om semimarkovprocesser. Begreppet brukar oftast användas i situationer där markovegenskapen enbart är uppfylld om nuet är en hopptidpunkt. Så snart man har lämnat en hopptidpunkt tappar man alltså markoviteten. Den modell som vi skall diskutera är den enkla modellen av sjukförsäkring, den modell som har sin grund i Diagram 7.2. Vi låter δ vara den ränteintensitet som vi diskonterar betalningsströmmarna i försäkringen med. Vidare inför vi en dödlighetsintensitet, som beror av åldern x och betecknas med µ x, precis som inom livförsäkring, som reglerar övergång till tillståndet Död. Observera att man kan nå tillståndet Död från såväl tillståndet Frisk som från tillståndet Sjuk vilket vi kan markera genom att använda notationen µ F x respektive µs x.

5 Sjukförsäkring 5 Vi denierar en insjuknandeintensitet, som också beror av åldern x vilken beskriver intensiteten att övergå från tillståndet Frisk till tillståndet Sjuk. Vi betecknar den med ν x. Övergången från tillståndet Sjuk till tillståndet Frisk kallas för en reaktivering och övergångsintensiteten betecknas ι x, också den beroende av åldern x. I enlighet med vad vi diskuterat ovan är alltså sannolikheten att hoppa mellan olika tillstånd i vissa fall beroende av såväl ålder vid inträdet i aktuellt tillstånd som tid tillbringad i tillståndet. Övergångar mellan tillstånden ges av övergångsintensiteterna, beroende enbart av den försäkrades ålder och inte durationen i försäkringen. Övergångsintensiteterna kan sammanfattas i Γ x (t) = ν x µ F x ι x (t) µ S x(t) 0 0 (7.3.2) där ν x = insjuknandeintensitet från Frisk till Sjuk ι x = avvecklingsintensitet från Sjuk till Frisk µ F x µ S x = dödlighetsintensitet från Frisk till Avliden = dödlighetsintensitet från Sjuk till Avliden I matrisen Γ x har vi infört ett nytt begrepp, sjukfallets duration t. Vi skiljer på försäkringens duration τ och sjukfallets duration t. När individen tecknar sjukförsäkringen har individen en inträdesålder i försäkringen, x ٠. Om vi låter τ vara försäkringens duration gäller att τ = 0 då individen har åldern x ٠. Då försäkringsfall inträar, det vill säga då den försäkrade individen inträder i tillståndet Sjuk, måste man skilja på individens ålder

6 6 Sjukförsäkring vid insjuknande och försäkringsfallets duration. Sjukfallets duration anges med t och tidpunkt för insjuknande inträar då individen har åldern x. I praktiken håller vi emellertid inte reda på till vilket tillstånd en individ hoppar då individen lämnar tillståndet Sjuk. Vi inför begreppet Avveckling som representerar det faktum att vi lämnar tillståndet Sjuk där övergången sker till endera av tillstånden Frisk eller Död. Avveckling är alltså inget eget tillstånd. Detta är illustrerat i Figur 8.1. I guren har vi också angett möjligheten att försäkringen av annat skäl lämnar populationen. Det kan ske genom att den annulleras eller av annat skäl måste utgå ur populationen. Det betecknas med Avslutad i guren. Avveckling anges med A. Figur 7.1: Vald avvecklingsmodell. Betrakta nu en individ i som tecknar en sjukförsäkring. Individen ingår i en population individer som normalt tecknar sjukförsäkring vid inbördes olika tidpunkter. När försäkringen tecknas benner sig individen i tillståndet Frisk, åtminstone är det ett normalt krav från försäkringsgivaren. Huruvida det är uppfyllt hanteras på särskilt sätt som vi inte diskuterar här.

7 Sjukförsäkring 7 Övergångar mellan tillstånden Frisk och Sjuk kan ske upprepade gånger. Tillståndet Död däremot är ett absorberande tillstånd. Tillståndet Sjuk kan lämnas genom en Avveckling för vilken vi anger en så kallad avvecklingsintensitet, ψ x (t), som beror av x som är insjuknandeålder hos individen och tid i tillståndet Sjuk, t Stokastisk modell Vid analys av ett sjukförsäkringsbestånd skiljer man normalt på insjuknandet och avvecklingen. Insjuknandet är, som diskuterats ovan, beroende av försäkringens duration genom individens växande ålder. Avvecklingen från tillståndet Sjuk däremot är beroende av såväl ålder vid insjuknandet som tid i tillståndet Sjuk. Till att börja med inför vi stokastiska variabler som beskriver de olika tiderna som en individ kan benna sig i olika tillstånd. Vi gör det genom följande denition. Denition Betrakta en individ som tecknar en sjukförsäkring. Vi denierar S x = återstående frisktid för en x-årig frisk individ T x = återstående livslängd för en x-årig individ U x (t) = återstående sjuktid för en sjuk individ som var x år vid insjuknandet och varit t år i tillståndet Sjuk Observera att variablerna S x och U x beskriver tid i givna tillstånd, Frisk respektive Sjuk, medan variabeln T x ej föreskriver att individen skall vara kvar i tillståndet Frisk hela tiden utan också kan ha hoppat till tillståndet Sjuk. Eftersom vi inte vet orsaken till Avveckling kan inte denna modell användas fullt ut till att beskriva den sanna dödlighetsintensiteten. Genom att studera S x får vi information om insjuknandeintensiteten ν x. Sannolikheten att en frisk person i åldern x år insjuknar under ett litet åldersintervall dx ges av ν x dx.

8 8 Sjukförsäkring Vi skall koncentrera oss på avvecklingsintensiteten ψ x (t) och särskilt är vi intresserade av sannolikheten att individen, som var sjuk vid åldern x + t, lämnar tillståndet Sjuk under tidsintervallet (t, t + dt). Tidsintervallet (t, t+dt) antages vara sådant att dt antages vara litet. Det är då rimligt att anta att den sökta sannolikheten är proportionell mot längden på intervallet. Denna proportionalitetsfaktor är lika med den övergångsintensiteten ψ som introducerades ovan. Sannolikheten kan då skrivas som ψ x (t) dt. Den sökta sannolikheten kan nu formuleras med hjälp av den stokastiska variabeln U x som P (t < U x (0) t + dt U x (0) > t). Utan inskränkning kan vi anta att U x (0) har en kontinuerlig fördelning och vi låter dess fördelningsfunktion betecknas med F Ux (٠). Vi inför dessutom den så kallade avvecklingsfunktionen λ som denieras som sannolikheten att kvarstå som sjuk efter en viss tidsperiod givet att individen var sjuk vid tidsperiodens början. Vi får då P (t < U x (0) t + dt U x (0) > t) = P (t < U x(0) t + dt) P (U x (0) > t) = F U x (٠)(t + dt) F Ux (٠)(t) 1 F Ux (٠)(t) = = λ x(t + dt) λ x (t). λ x (t) (7.3.3) Vi har då etablerat relationen ψ x (t) dt λ x(t + dt) λ x (t) λ x (t) (7.3.4) vilket kan skrivas som ψ x (t) 1 dt λ x (t + dt) λ x (t). (7.3.5) λ x (t)

9 Sjukförsäkring 9 Eftersom vi antagit att vi har en avvecklingsintensitet är λ-funktionen deriverbar och då fås, genom att låta dt 0, ψ x (t) = λ x(t) λ x (t). (7.3.6) Man kan konstatera att vi på detta sätt har denierat en fördelning som beskriver tid i tillståndet Sjuk för en individ som är x år vid insjuknandet. Uttrycket (8.3.6) har sitt analoga uttrycket inom teorin för livförsäkring. Det nns alltså ett analogt samband mellan överlevelsefunktionen l inom livförsäkring och avvecklingsfunktionen λ inom sjukförsäkring respektive dödlighetsintensiteten µ inom livförsäkring och avvecklingsintensiteten ψ inom sjukförsäkring. Vi sammanfattar nu sambandet mellan avvecklingsintensitet och avvecklingsfunktionen i följande denition. Denition Låt λ vara avvecklingsfunktionen för en sjukförsäkring och låt x vara den ålder då individen insjuknar. Vi antar vidare att avvecklingsfunktionen är deriverbar. Med ψ menar vi sjukförsäkringens avvecklingsintensitet denierad genom ψ x (t) = λ x(t) λ x (t), t > 0. Vidare gäller att λ x (t) = e t 0 ψ x(s)ds, t > 0.

10 10 Sjukförsäkring 7.4 Exempel på svensk sjukförsäkring Så här långt har vi inte gjort något som nödvändigtvis har en särskilt koppling till äldre traditionell sjukförsäkringsteknik i Sverige. Den modell som är beskriven ovan beskriver emellertid den teoretiska basen för svensk sjukförsäkring under 1900-talet och även därefter. Vi skall i detta avsnitt ge tre exempel som väl beskriver hur man i Sverige hanterat sjukförsäkring under 1900-talet. Vid sidan av den ovan beskrivna modellen har det också varit vanligt i Sverige är att man under i princip hela 1900-talet har arbetat med en teknik där man utjämnat avvecklingsfunktionen för de observerade sjuklighetstalen med hjälp av polynom av exponentialfunktioner. Det beskrivs i Avsnitt 7.7 nedan. Vi går inte igenom alla delar av de antaganden som är angivna i respektive exempel utan fokuserar på de väsentligaste delarna. Vid de tidpunkterna då dessa grundsystem var i bruk användes de med några smärre undantag av alla aktörer på marknaden. Exempel Vi börjar med sjukförsäkring enligt 1939 års grunder. En diskussion om bakgrund och motiven till detta grundsystem nns i Cramér [?]. Man arbetade med en räntefot som var satt till 2,5 % per år. Det motsvarar en ränteintensiteten på δ = 0, Dödligheten, ren dödsfallsförsäkring, för en x-årig individ antogs vara given av 10 ٣ µ x = 3 + 0, ٠,٠٤٢ x. Observera att för dödsfallsförsäkring gjordes ingen skillnad mellan man och kvinna. För ren livsfallsförsäkring, könsberoende, antogs dödligheten för man ges av 10 ٣ µ x = 1, 5 + 0, ٠,٠٤٢ x. För en x-årig kvinna antogs dödligheten vara förskjuten med 1 år, det vill säga dödligheten för en x-årig kvinna antages vara samma som dödligheten för en (x-1)-årig man. Dessa båda dödlighetstabeller gick under benämningen Tabell D37 respektive Tabell L37.

11 Sjukförsäkring 11 Invalidiseringsintensiteten för en x-årig individ, ν x, skiljes åt för man och kvinna. För man antages ν x vara given genom 10 ٣ ν x = { 6 + 0, 1 (x 40), x , 1 (x 40) + 0, 04 (x 40) ٢, 40 < x 65 (7.4.1) och för kvinna antages 10 ٣ ν x = { , 2 (x 40), x , 2 (x 40) + 0, 04 (x 40) ٢, 40 < x 65. (7.4.2) Avvecklingsfunktionen λ beskrivs genom antagandet att antalet sjuka kvarlevande t år efter invaliditetens början antages vara omvänt proportionellt mot t+1. Som synes av exemplet ovan var utjämningsfunktionen för invalidiseringsintensiteten förhållandevis enkel, första och andra gradens polynom i x. Exempel Detta exempel har att göra med sjukförsäkring enligt 1954 års grunder. Ränteintensiteten antogs vara δ = 0, 025. Vidare antages dödligheten för en x-årig man vara 10 ٣ µ x = 1, 5+0, ٠,٠٤٢ x. Detta är den så kallade L37-tabellen. Inga särskilda antaganden gjordes för kvinnor utan det får anpassas till det bestånd som är under betraktelse. Invalidiseringsintensiteten för en x-årig individ, ν x, antages vara 10 ٣ ν x = 0, 85 e ٢,٥ (4, 3 + 2, 7 10 ٠,٠٣ x ) (7.4.3) l(x)

12 12 Sjukförsäkring Avvecklingsfunktionen λ ]x[+t vid åldern [x] + t, denieras som λ ]x[+t = ν x 0, 133 0, 133 f(t) + g(t), 0 t < 0, 25, ν x ν x (7.4.4) λ ]x[+t = ν x 0, 133 0, 133 h(t) + g(t), 0, 25 t, ν x ν x (7.4.5) där f(t) = e ١٠t 1, 0225 t, (7.4.6) g(t) = 1, 0225t t ٢, (7.4.7) h(t) = e ٢,٥ 1, 0225 ٠,٢٥, t < 70 x, (7.4.8) 0, 75 + t och h(t) = e ٢,٥ 1, 0225 ٠,٢٥ 70, 75 x l(x + t), t 70 x. (7.4.9) l(70)

13 a x = 1 b x c x d x e x (7.4.13) Sjukförsäkring 13 Exempel I detta exempel skall vi titta på antagandena för sjukförsäkring enligt 1964 års grunder. Ränteintensiteten antogs vara δ = 0, Vidare antages dödligheten för en x-årig man vara 10 ٣ µ x = 0, 6 + 0, ٠,٠٤٢ x. Denna tabell kallas för tabell M64. För kvinnor får beståndets beskaenhet ange vilka antaganden som skall användas. Invalidiseringsintensiteten för en x-årig individ, ν x, antages vara ν x = 0, 2535 l(x). (7.4.10) Observera att vid en kortare karenstid än tre månader tillämpas invalidiseringsintensiteten enligt (8.4.10) multiplicerad med faktorn r(k) där r(k) = { ١,٢ ٤,٢k ٠,٦٥, 0 k 1/12, ٠,٩٥ ١,٢k ٠,٦٥, 1/12 k 0, 25. (7.4.11) där k betecknar ersättningskarensen i år. Avvecklingsfunktionen λ ]x[+t vid åldern [x] + t denieras som λ ]x[+t = a x e ٥١ t + b x e ١٣ t + c x e ٣ t + d x e ٠,٥٢ t + e x e ٠,٠٤٥ t (7.4.12) där

14 14 Sjukförsäkring och b x = 0, 18 e ٠,٠١٥ x, c x = 0, 019 e ٠,٠٢٨ x, d x = 0, e ٠,٠٥٥ x och e x = 0, , e ٠,١١ x. Ovanstående exempel illusterar väl de problem som kan föreligga i en situation då hanteringen av numeriken gör att man måste tillgripa lösningar som kan synas omotiverade. Speciellt har man använt tekniker att utjämna observerade övergångsintensiteter av statistiskt mindre relevant slag. Det stora problemet synes vara att förfoga över ett tillräckligt stort material som ger statistiskt säkra skattningar. 7.5 Premiebestämning och värdefunktionen Vi skall nu övergå till att beräkna kapitalvärdet av de förväntade utbetalningarna från en sjukförsäkring. Vi antar att individen är x år då försäkringen tecknas. Observera att notationen nedan avviker från hur vi angett inträdesåldern ovan vid tecknandet av försäkringen. Vi valde i Avsnitt att använda x ٠ som inträdesålder men för att inte tynga framställningen här väljer vi beteckningen x som inträdesålder. På samma sätt byter vi för försäkringens duration från τ till t av notationsskäl. Det kommer förhoppningsvis att framgå vilken duration vi avser nedan utan större svårighet. Betrakta nu försäkringen vid durationen t och särskilt i tidsintervallet (t, t+dt). Denna denition av durationen t skiljer sig från durationen t ovan som avsåg durationen för sjukfallet. Sannolikheten att individen lever vid åldern x + t och insjuknar i tidsintervallet (t, t + dt) ges av l(x + t) l(x) ν x+t dt. (7.5.1) För att kunna beräkna det önskade kapitalvärdet krävs att reda ut huruvida individen kvarstår som sjuk. Med angivna denitioner ovan

15 Sjukförsäkring 15 kan sannolikheten att individen lever vid åldern x + t, insjuknar i tidsintervallet (t, t + dt) samt dessutom kvarstår som sjuk u år efter insjuknandet skrivas som l(x + t) l(x) ν x+t dt λ ]x+t[+u. (7.5.2) Om man vidare studerar tidsintervallet (x + t + u, x + t + u + du), där du antas vara litet, skall individen under detta intervall erhålla beloppet du under förutsättning att ersättningsbeloppet är 1 krona årligen. Om vi nu diskonterar detta belopp till tidpunkten för försäkringens tecknande kan kapitalvärdet skrivas som D(x + t) D(x) ν x+t dt λ ]x+t[+u e δu du. (7.5.3) I uttrycket (8.5.3) har vi först diskonterat utbetalade belopp i intervallet (x + t + u, x + t + u + du) till tidpunkten x + t vilket är motivet till faktorn e δu. Därefter har en diskontering gjorts till försäkringens tecknande, det vill säga med t tidsenheter. Ovanstående resonemang betraktar enbart en utbetalning i intervallet (x + t + u, x + t + u + du). Låt oss nu betrakta en tecknad sjukförsäkring som tecknas med vissa val av parametrar. Låt m vara försäkringstiden samt k vara lika med karenstiden, det vill säga den period under vilken ingen utbetalning görs från försäkringen. Betrakta vidare durationen t där t > k vilket skall tolkas som att vi studerar bara durationer i försäkringen som överstiger karenstiden. Summan av alla utbetalningar som skall göras efter durationen t, då individen har uppnått åldern (x + t), det vill säga λ ]x+t[+u e δu du kan, efter det att vi låter du 0, skrivas som m t lim λ]x+t[+u e δu du = λ ]x+t[+u e δu du. (7.5.4) du ٠ k

16 16 Sjukförsäkring Vidare skall detta belopp, multipliceras med D(x+t) D(x) ν x+t dt och en summering skall göras för t över intervallet (0, m k) vilket, efter det att vi låtit dt 0, ger kapitalvärdet av utbetalningarna från försäkringen. Vi betecknar det med A och får alltså A = m k ٠ D(x + t) D(x) ν x+t [ m t k ] λ ]x+t[+u e δu du dt. (7.5.5) Man kan nu slutligen konstatera att vi, med användande av premieekvationen, kan skriva E x (m) = A (7.5.6) vilket är engångspremien för en sjukförsäkring som tecknas vid åldern x och med en försäkringstid om m år. Inte förvånande kan dessa integraler innebära vissa numeriska svårigheter att lösa. Vi lämnar emellertid detta problem här med att konstatera att den exakta premieformeln som angiven i (8.5.5) kan approximeras på olika sätt. Låt oss passa på och bestämma försäkringsgivarens framtida förpliktelser vid durationen s (vi använder s här eftersom t är upptaget som integrationsvariabel). Vi får att, med samma teknik som använts ovan för livförsäkringar, försäkringsgivarens framtida förpliktelser kan skrivas som A(s) = m s k ٠ D(x + s + t) D(x + s) ν x+s+t [ m s t k ] λ ]x+s+t[+u e δu du dt. (7.5.7) Uttrycket A(s) är alltså lika med engångspremien för den vid åldern x + s kvarvarande försäkringsförpliktelsen givet att den försäkrade fortfarande är aktiv vid den åldern, det vill säga A(s) = E x+s (m s).

17 Sjukförsäkring 17 Om vi nu antar att vi vill betala en årlig premie om P x kronor och detta i n år, där premien skall betalas så länge den försäkrade är vid liv och aktiv, kan den kontinuerliga nettopremien P x fås som lösningen till ekvationen P x a ١ (x; n) = E x (m) + P x E x (n) (7.5.8) vilket ger P x = E x (m) a ١ (x; n) E x (n). (7.5.9) Sjukförsäkring kan meddelas både som riskförsäkring och som en försäkring där delar av premien används för att avsättas till ett kapi-tal som skall användas för att bestrida framtida utbetalningar för försäkringen. I det senare fallet blir värdefunktionen, den så kallade aktivreserven, lika med V a (s) = (1 + γ ١ ) E x+s (m s) P x [a ١ (x + s; n s) (1 + γ ٢ ) E x+s (n s)]. (7.5.10) Observera att vi i detta uttryck har fört in två omkostnadsbelastningar, γ ١ och γ ٢, vilket i alla tillämpningar av sjukförsäkringsaär är relevant. Storleken på belastningar varierar med typen av aär och bestånd. För pågående sjukfall denieras den samlade värdefunktionen som summan av aktivreserven och sjukreserven. Sjukreserven är summan av de förväntade framtida utbetalningarna på grund av det pågående sjukfallet. Räknat med en årlig sjukersättning på 1 krona är sjukreserven lika med

18 18 Sjukförsäkring z y t ٠ λ ]y[+t+r λ ]y[+t e δr dr (7.5.11) där y betecknar individens ålder när sjukligheten inträade och z den tidpunkt till vilken den årliga sjukersättningen kan utgå. 7.6 Beräkning av värdefunktionen I redovisningstermer delar man upp avsättningar i två delar. Med gammalt språkbruk skiljer vi då på aktivreserven och invalidreserven. Aktivreserven beräknas oavsett om försäkringsfall inträat eller ej. Invalidreserven beräknas för redan inträade försäkringsfall. Vi skall här titta på just invalidreserven, det vill säga vi gör följande denition Denition Betrakta en sjukförsäkring där den försäkrade är x år gammal då försäkringsfall inträar. Invalidreserven, vid durationen u, utgörs då av Vx(u) i e δu z x = L λ x (t) e δt dt λ x (u) max(u,k) där k = 0.25 är karenstiden och z är den högsta ersättningsåldern enligt försäkringen. Integralen i Denition kan evalueras och vi får z x max(u,٠.٢٥) λ x (t) e δt dt = z x ٤ max(u,٠.٢٥) i=١ ٤ z x = i=١ f i (x) f i (x) e d i(t ٠,٢٥) e deltat dt = max(u,٠.٢٥) e d i(t ٠,٢٥) e δt dt =

19 Sjukförsäkring 19 = ٤ i=١ f i (x) e٠.٢٥ d i [ ] e (z x)(δ+di) e max(u,٠.٢٥)(δ+d i). δ + d i (7.6.1) En illustration av invalidreserven ges av Figur 7.2, med x = 40, z = 65 och u > Figur 7.2: Invalidreserven, x=40, z= Skattningsteknik Att kunna prissätta en sjukförsäkringsprodukt korrekt kräver att vi har en god kunskap om såväl insjuknandet som hur länge man kvarstår som sjuk. Vi skall i detta kapitel diskutera en teknik som kan användas för att skatta dessa. Problemet kan delas upp i två delar, dels skattning av insjuknandeintensiteten och dels skattning av avvecklingsfunktionen. Till vår hjälp har vi en population av sjukförsäkringar. Populationen kommer att delas upp i delpopulationer och skattningar kommer att göras för dessa olika delpopulationer, exempelvis olika kön och olika produkttyper. Nedan utgår vi från att vi redan har bestämt delpopulationerna och studerar en delpopulation i taget. Dock gör vi i senare kapitel jämförelser mellan olika delpopulationer.

20 20 Sjukförsäkring Den modell som vi använder oss av är beskriven i Avsnitt 7.3. I korthet förfogar vi över ett utfallsrum och sannolikhetsmått, (Ω, P ), och ett ändligt tillståndsrum E = {F risk, Sjuk, Död} = {F, S, D}. Vi denierar en stokastisk process {ξ(τ); τ R + } som anger det tillstånd individen benner sig i vid tidpunkten τ, räknat från det att försäkringen tecknades. Med ξ i (τ) menar vi alltså tillståndsfunktionen för individ nummer i vid försäkringsdurationen τ. Vi vill kunna skatta tid till avveckling för en individ. Det gör vi via den stokastiska variabeln U x (t), se Denition 7.3.1, som beskri-ver återstående sjuktid när individen var x år vid insjuknandet och efter t år i tillståndet Sjuk. Via dess fördelningsfunktion, som antas vara kontinuerlig, denierar vi avvecklingsfunktionen λ x (t) som sannolikheten att kvarstå som sjuk efter tiden t givet att individen insjuknade vid åldern x. Vi har att F Ux (t)(s) = P (U x (t) s) = 1 λ x+t (s). Då vi antar att λ x är deriverbar existerar avvecklingsintensiteten ψ x (s) = f Ux(0)(s) ١ F Ux(0) (s) = λ x(s) λ x(s) där f Ux (٠) är täthetsfunktionen för U x (0). Argumentet x står här för faktisk ålder och ej insjuknandeålder. I mer generell litteratur benämns den hazard-rate-funktionen (eng. hazard-rate function). Vi har också behov av att deniera den så kallade kumulativa hazard-rate-funktionen (eng. cumulative hazard-rate function) som Ψ x (t) = t ٠ ψ x(s) ds för U x (t) där vi för våra ändamål kunnat använda 0 som den nedre integrationsgränsen istället för. Slutligen kan vi skriva överlevnadsfunktionen som λ x+t (s) = 1 F Ux (t)(s) = P (U x (t) > s) = e Ψ x+t(s) Skattning av insjuknande Vi skall skatta insjuknandeintensiteten ν x. Som nämnts ovan förutsätts att en individ i som tecknar en sjukförsäkring är frisk vid tecknandet, det vill säga vi har att ξ i (0) = F. Eftersom ålder är en så pass avgörande faktor för insjuknandeintensitet kommer vi att särskilja insjuknanden beroende på ålder. Vi observerar alltså en population under en viss observationsperi-

21 Sjukförsäkring 21 od, benämnd Σ, ofta lika med ett kalenderår, och noterar antalet individer för vilka rätten till ersättning inträder under observationsperioden. I populationen ingår individer som någon gång under observationsperioden uppbär ersättning, medan vi börjar räkna sjuktiden från första sjukdagen. För att komma vidare måste vi vara lite mer precisa vad vi menar med åldern x. Åldern växer under observationsperioden Σ och vi måste därför förtydliga vad vi menar med åldern x. Normalt kan man tänka sig två alternativ. Antingen menar man med åldern x de individer som vid observationsperiodens början har fyllt x år eller väljer man att deniera åldern x som de som under Σ insjuknar och har en exakt ålder i intervallet (x ١ ٢, x+ ١ ٢ ). Vi väljer av praktiska skäl den senare tolkningen. Vi kan nu göra följande. denition. Denition Betrakta en godtycklig individ i en population av individer som tecknat sjukförsäkring och är frisk vid tidpunkten för tecknandet av försäkringen. Att en individ har åldern x då individen insjuknar innebär att individens exakta ålder ligger i intervallet (x ١ ٢, x + ١ ٢ ). Vi låter då M x (Σ) = # (sjukförsäkrade individer i åldern x för vilka rätt till ersättning inträade under Σ). Vi måste också mäta hur många försäkringar som är under risk, det vill säga storleken på populationen för olika åldrar x. Man måste emellertid räkna med att populationsstorleken ändras löpande. Orsakerna är nyinträden och olika former av utträden ur populationen. Dessa är i huvudsak dödsfall och annulation av försäkringen. Vi använder oss av N x för att ange populationsstorleken för en given ålder x, där x denieras enligt ovan. Storleken på populationen ändras med tiden, stokastiskt, vilket innebär att vi måste ange vid vilken kalendertidpunkt som vi avser. Vi gör följande denition Denition Betrakta en godtycklig individ i en population av individer som tecknat sjukförsäkring och är frisk vid tidpunkten för

22 22 Sjukförsäkring tecknandet av försäkringen. Att en individ har åldern x då individen insjuknar innebär att individens exakta ålder ligger i intervallet (x ١ ٢, x + ١ ٢ ). Låt σ vara en kalendertidpunkt där varje individ ingående i nämnda (del-)population är frisk och äger rätt att, vid insjuknande, kunna få ersättning. Vi låter då N x (σ) = # (sjukförsäkrade individer i åldern x, som vid tidpunkten σ, vid inträad sjukdom, har rätt att uppbära ersättning). Storheten N x (σ) är alltså ett mått på antalet individer under risk vid tidpunkten σ. Nu studerar man normalt en population över en tid, exempelvis ett år vilket innebär att vi måste mäta risktiden för populationen under Σ. Ett praktiskt sätt att göra det är att använda oss av medelantalet försäkringar under risk under den aktuella observationsperioden. Om vi inför beteckningen Σ = (σ min, σ max ) bildar vi därför skattningen ˆN x (Σ) = N x(σ min ) + N x (σ max ). (7.7.1) 2 Skattningen i högerledet av (8.7.1), är den vi kommer att använda för att skatta N x (Σ). Vi kan därför, för varje ålder x beräkna en lämplig skattning av insjuknandeintensiteten, ν x, relaterad till den aktuella observationsperioden Σ, genom ˆν x (Σ) = M x(σ) ˆN x (Σ). (7.7.2)

23 Sjukförsäkring Skattning av avveckling Avvecklingen av ett sjukfall kan, som nämnts i Avsnitt 7.3.1, ske på olika sätt. Vi nöjer oss med att titta på avveckling till tillstånden Frisk och Sjuk sammantaget som vi kallar för Avveckling. För den skull har vi denierat dels en avvecklingsintensitet ψ x och dels en avvecklingsfunktion λ x. Avvecklingen är beroende av två variabler, dels ålder vid insjuknandet och dels durationen i sjukfallet t. Därutöver nns det andra kriterier för att dela in en population i olika delpopulationer som har berörts ovan. Till vårt förfogande har vi ett antal observationer under en observationsperiod Σ. Vad vi däremot saknar är information om vad som hänt efter observationsperioden slut. Vi saknar också mycket information om vad som hänt före observationenstidens början. Man brukar tala om olika typer av censurering av data. Vi återkommer till detta nedan. Vi kommer att beskriva två närbesläktade tekniker för att skatta avvecklingen. De två teknikerna benämns Nelson-Aalen-teknik respektive Kaplan-Meier-teknik. Föga förvånande kan man också härleda ett approximativt samband mellan de två teknikerna vilket disku-teras nedan. För att underlätta förståelsen för de två metoderna återkopplar vi här till en del begrepp som vi infört i Avsnitt Kaplan-Meier-estimat - överlevnadsfunktionen Den teknik som går under benämningen Kaplan-Meier är väl dokumenterad och nns återgiven i många böcker om överlevnadsteori. En Kaplan-Meier estimator brukar också kallas för en (eng.) productlimit-estimator och används för att estimera överlevnadsfunktioner. Vanligt är att den används i medicinska sammanhang men den har en lika självklar plats inom aktuariell teknik.

24 24 Sjukförsäkring Med vår aktuariella nomenklatur formuleras skattningstekniken som följer. Denition Givet en bestämd (del-)population, låt λ x (t) vara sannolikheten att en individ, från populationen av storleken N, som hade åldern x vid insjuknandet, har en återstående tid som överstiger t i tillståndet Sjuk. Antag vidare att vi observerar tidpunkterna då individer avvecklas från tillståndet Sjuk. De observerade tidpunkterna t ١ t ٢ t ٣... t N är då individerna avvecklas. Vidare inför vi storheten n i som är antalet sjuka individer exakt innan tidpunkten t i. Antalet avvecklade individer vid tidpunkten t i är d i. Kaplan-Meier-estimatorn av λ x (t) är den icke-parametriska maximum-likelihood-estimatorn som har formen ˆλ KM x (t) = n i d i n t i <t i = ( t i <t 1 d i n i ). Observera att ˆλ KM x (t) är vänsterkontinuerlig. Man kan, om man har skäl för det, välja en högerkontinuerlig variant på ˆλ KM x (t) där produkten görs över t i t istället för t i < t. Det är också viktigt att hantera censurerade fall på ett korrekt sätt. Om det ej föreligger censurerade data är n i lika med antalet överlevare omedelbart före t i. Om det föreligger censurering är n i lika med antalet fortfarande sjuka i populationen omedelbart före t i, oavsett om censurering har skett eller inte.

25 Sjukförsäkring Nelson-Aalen-estimat - kumulativa hazard-ratefunktionen Uppgiften är att skatta den kumulativa hazard-rate-funktionen som vi diskuterat ovan, Ψ x (t) = t ٠ ψ x(s) ds. Eftersom vi har relationen λ x (t) = e Ψx(t) nns det uppenbart samband mellan Kaplan- Meier-skattningen ovan och Nelson-Aalen-skattningen. I grunden är det samma teknik som används för att skatta storheterna och vi sammanfattar skattningstekniken i följande denition Vi utgår från samma antaganden och förutsättningar som i Denition ovan och gör följande denition. Denition Givet en bestämd (del-)population, låt λ x (t) vara sannolikheten att en individ, från populationen av storleken N, som hade åldern x vid insjuknandet, har en återstående tid som överstiger t i tillståndet Sjuk. Antag vidare att vi observerar tidpunkterna då individer avvecklas från tillståndet Sjuk. De observerade tidpunkterna t ١ t ٢ t ٣... t N är då individerna avvecklas. Vidare inför vi storheten n i som är antalet individer under risk exakt innan tidpunkten t i. Antalet avvecklade individer vid tidpunkten t i är d i. Nelson-Aalen-estimatorn av Ψ x (t) ges av ˆΨ x (t) = t i <t d i n i. Slutligen får vi sambandet ˆλ NA x (t) = e اللهΨ x(t). (7.7.3)

26 26 Sjukförsäkring Utjämning av skattad avvecklingsfunktion Vid utjämning av observerade data för avvecklingsfunktionen är det naturligt att använda sig av olika former av exponentialfunktioner. Att söka bland en större funktionsklass ger inte i denna tillämpade situation något extra. Avvecklingen beror både av insjuknandeålder och duration, det vill säga tid till avveckling. Därför måste utjämningsfunktionen vara beroende av såväl insjuknandeålder som duration i tillståndet Sjuk. Det innebär att det är lämpligt att söka utjämningsfunktionen bland funktioner med följande egenskaper h x (t) = f(x, t) e g(x,t). (7.7.4) Funktionerna f(x, t) och g(x, t) väljs ofta som kombinationer av linjära funktioner och exponentialfunktioner i x och t även om det inte är nödvändigt att begränsa sig till dessa funktionsklasser. Av praktiska skäl är det sedan lämpligt att välja funktioner med så få parametrar som möjligt involverade. Historiskt har antalet exponentialpolynom som använts varit cirka fem stycken. Beroende på utseendet av polynomen f och g kan det innebära att antalet parametrar blir ganska många. Orsaken till att man behöver använda ett ertal exponentialfunktioner är att de ofta behövs för att fånga olika durationsperioder i en sjukdom. Det är också viktigt att kunna fånga beroendet i f av både x och t där så är lämpligt. Detta val har använts i [?]. Detta val av funktion visade sig kunna hantera högre åldrar och durationer särskilt bra samtidigt som antalet parametrar är förhållandevis få. Funktionen är vald också för att vara särskilt lämplig för att kunna göra bra försäkringstekniska avsättningar. Det innebär att risken för att individer antas hoppa från tillståndet Sjuk för tidigt är under kontroll.

27 Sjukförsäkring 27 Tekniken för att bestämma lämpligt val av funktionen h är att variera f och g och medelst minstakvadratanpassning se vilket val som ger bäst anpassning. Det visade sig att det bästa valet för våra ändamål var n λ x (t) = f i (x) e d i (t ٠,٢٥) i=١ (7.7.5) där f i (x) = a i + b i e c i x, n ١ f n (x) = 1 f i (x) (7.7.6) i=١ och där a i, b i, c i och d i (OBS: nytt d i ) är konstanter medan x är insjuknandeålder i år och t är antalet år från insjuknandetidpunkten. Notera att λ x (0, 25) 1, vilket innebär att vi per denition får en funktion som är ett vid t = 0, 25, detta därför att vi i den här studien valt att enbart studera sjukfall som pågått i minst 90 dagar. Resultaten visar således avvecklingen givet att sjukfallet varat i minst 90 dagar. Parametervärden a i, b i, c i och d i, för i = 1,..., n, fås genom att bestämma de som minimerar m j=١ ( λ x (t j, a i, b i, c i, d i ) ˆλ x (t j )) ٢. (7.7.7) Summationen görs över alla durationer t j då insjuknande observerats. Efter en del experimenterande valdes n = 4. Givetvis är det möjligt att välja λ x (t) på många olika sätt och vi har i arbetet med att hitta en funktion prövat en mängd olika ansatser både med och utan bivillkor på parametrarna. Den funktion som

28 28 Sjukförsäkring vi slutligen valde är kontinuerlig i både x och t. Dock valde vi av praktiska skäl inte bivillkoret i anpassningen att dλ x (t)/dt < 0, alla t, vilket skulle kunna vara en nackdel eftersom Kaplan-Meier kurvan alltid är avtagande Exempel på utjämning av λ-funktionen Vi skall här bara återge ett numeriskt exempel på den skattningsteknik som vi beskrivit ovan för att skatta λ-funktionen. Det kommer från sjuklighetsutredningen [?] nämnd ovan. Som numeriskt exempel använder vi gruppen frivilligt sjukförsäkrade kvinnor och resultatet återges först med de skattade parametrarna, a ١ = 0, 486 b ١ = 0, 0541 c ١ = 0, 0336 d ١ = 2, 8152 a ٢ = 0, 309 b ٢ = 0 c ٢ = 0 d ٢ = 1, 1076 a ٣ = 0, 2653 b ٣ = 0, c ٣ = 0, 1358 d ٣ = 0, 3528 d ٤ = 0, och detta illustreras sedan graskt i Figur Figur 7.3: Avvecklingsfunktionen λ x (t) baserat på data för frivillig sjukförsäkring, kvinnor

29 Sjukförsäkring 29